فرهاد سلیمانیان قره چپق - استادیار، گروه مهندسی کامپیوتر، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران
محسن موتمن فر - کارشناس ارشد مهندسی کامپیوتر، گروه مهندسی کامپیوتر، واحد ارومیه، دانشگاه آزاد اسلامی،ارومیه، ایران
مهدی وفادار - کارشناس ارشد مهندسی کامپیوتر، گروه مهندسی کامپیوتر، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران

تشخیص هوشمند نویسنده متون در زمینه های جرم شناسی دارای کاربردهای فراوانی می باشد اما به دلیل این که عوامل بسیاری در تشخیص نویسنده متون دخیل می باشند، نمی توان به طور دقیق و مطمئن نویسندگان متون را تشخیص داد. از این رو تحقیقات بسیاری در این زمینه از قرن نوزدهم صورت گرفته است اما تاکنون روشی با دقت ۱۰۰ درصد برای تمامی متون ارائه نشده است و محققان هر روزه روش های جدیدی را ارایه می دهند تا به دقت ۱۰۰ درصد نزدیک بشوند. در این مقاله برای حل این مسئله از ترکیب الگوریتم بهینه سازی توده ذرات و الگوریتم ماشین بردار پشتیبان استفاده شده است که از الگوریتم بهینه سازی توده ذرات به عنوان الگوریتم استخراج کننده ویژگی و از الگوریتم ماشین بردار پشتیبان به عنوان تشخیص دهنده نویسندگان استفاده شده است. ارزیابی برروی مجموعه داده Reuter_۵۰_۵۰ انجام شده است. در روش پیشنهادی پس از استخراج ویژگی ها، داده ها با نسبت ۸۰ به ۲۰ به داده های آموزشی و آزمایشی تقسیم می شوند. مجموعه داده های آموزشی به عنوان ورودی به الگوریتم ماشین بردار پشتیبان داده می شوند و پس از آموزش دیدن توسط ماشین بردار پشتیبان، مدل مناسب ساخته می شود و سپس مجموعه داده های آزمایشی براساس مدل ساخته شده، اعتبارسنجی می شوند. تقسیم بندی داده ها در حالت ۸۰ (آموزش) درصد و ۲۰ (آزمایشی) درصد بهترین نتیجه را داشته است. نتایج برمبنای معیارهای دقت و فراخوانی نشان می دهد که دقت تشخیص مدل پیشنهادی در مقایسه با مدل ماشین بردار پشتیبان بیشتر است.